[发明专利]一种基于直接法的移动机器人双目视觉定位与建图方法

说明书

一种基于直接法的移动机器人双目视觉定位与建图方法，包含以下步骤：步骤1选取基于图像分割和分区域阈值的特征点；步骤2设计基于双向静态立体匹配的初始化算法；步骤3设计基于多模型预测的前端跟踪算法；步骤4建立基于辐射度误差约束的后端图优化模型；步骤5选取基于重投影误差的关键帧、管理滑动窗口与边缘化处理；步骤6设计基于直接法的双目视觉定位与建图系统整体算法。本发明解决了视觉SLAM系统存在实时性不足的问题，提高了前端跟踪的精度和鲁棒性，同时提高了后端优化的效率，可作为位置信息准确性验证的方法。

技术领域

本发明属于智能移动机器人定位与导航技术领域，具体涉及一种基于直接法的移动机器人双目视觉定位与建图方法。

背景技术

智能移动机器人不仅能在机械加工车间、物流管理仓库、机场、餐馆等场所看到，而且在自动驾驶、护理家政等行业也有着广泛的应用，已经成为现代社会不可或缺的一部分。即时定位与地图构建(SLAM)技术是智能移动机器人核心技术，通过搭载的传感器获取当前环境中的各种信息，并根据这些环境信息通过数据校验和分析等算法进行实时定位与建图。例如，在汽车同步器的零部件加工产线上，利用视觉SLAM技术的机器人必须能进行实时定位与建图，否则易出现机器人定位处理完成后其实际位姿与计算位置出现较大偏差的情况，导致机器人无法完成物料夹取、转运等相关任务。

目前，视觉SLAM技术可分为特征点法和直接法两种。特征点法存在定位帧率较低的问题，在机器人运动较快时，无法保证定位的实时性，不能满足移动机器人实时性的要求，无法完成机器人进行快速定位与建图的任务。而直接法是一种直接估计相机之间相对位姿的方法，主要通过不同图像之间灰度值的差异作为计算对象，由于不需要计算每一帧图像的特征点，故在实时性上优于特征点法，适用于存在较多重复性纹理、或者缺乏明显角点信息的场景。但是该方法对特征点的选取和系统初始化有较高要求。

发明内容

为克服上述现有技术的不足，本发明的目的在于提供一种基于直接法的移动机器人双目视觉定位与建图方法，解决定位帧率和定位精度无法同时兼顾的问题，保证定位的实时性，提高前端跟踪的精度和鲁棒性，同时提高后端优化的效率。

针对视觉SLAM系统存在实时性不足的问题，在直接法的基础上，提出一种基于直接法的移动机器人双目视觉定位与建图方法，提出一种基于图像分割与自适应阈值的特征点选取方法，保证特征点的选取效率并使选取的特征点尽可能覆盖整个图像；采用基于双向静态立体匹配的初始化算法，通过正反双向的匹配点搜寻，保证初始化时特征点匹配的正确率，提高初始化时特征点深度估计的精度；采用多模型预测的前端跟踪算法对当前帧的位姿进行预测，在保证前端跟踪精度的同时提高跟踪的效率和鲁棒性；采取基于重投影误差的方式进行关键帧的选取，使当前选取的关键帧与最新关键帧有一定关联但不会产生过多冗余信息，同时采用滑动窗口机制，对进入优化的关键帧数量进行限制，进一步提高后端优化的效率。

为实现上述目的，本发明采用的技术方案是：一种基于直接法的移动机器人双目视觉定位与建图方法，其特征在于，包括以下步骤：

步骤1，选取基于图像分割和分区域阈值的特征点；

步骤2，设计基于双向静态立体匹配的系统初始化算法；

步骤3，设计基于多模型预测的前端跟踪算法；

步骤4，建立基于辐射度误差约束的后端图优化模型；

步骤5，选取基于重投影误差的关键帧、管理滑动窗口与边缘化处理；

步骤6，设计基于直接法的双目视觉定位与建图系统的整体算法。

所述的步骤1，选取图像中灰度值差异较大的点，同时基于图像分割和分区域阈值的特征点提取算法在图像所有区域均可提取特征点，保证优化时不只参考局部最优点。

所述的提取特征点，具体做法是：